- opis :
WordNet to duża leksykalna baza danych języka angielskiego. Rzeczowniki, czasowniki, przymiotniki i przysłówki są pogrupowane w zestawy synonimów poznawczych (synsetów), z których każdy wyraża odrębną koncepcję. Synsety są ze sobą powiązane za pomocą relacji pojęciowo-semantycznych i leksykalnych.
Dodatkowa dokumentacja : Przeglądaj dokumenty z kodem na
Strona główna : https://wordnet.princeton.edu/
Kod źródłowy :
tfds.text.WordnetWersje :
-
0.1.0(domyślnie): Brak informacji o wersji.
-
Rozmiar pliku do pobrania :
3.99 MiBAutomatyczne buforowanie ( dokumentacja ): Tak
Struktura funkcji :
FeaturesDict({
'lhs': Text(shape=(), dtype=string),
'relation': Text(shape=(), dtype=string),
'rhs': Text(shape=(), dtype=string),
})
- Dokumentacja funkcji :
| Funkcja | Klasa | Kształt | Typ D | Opis |
|---|---|---|---|---|
| FunkcjeDict | ||||
| lewa | Tekst | strunowy | ||
| relacja | Tekst | strunowy | ||
| po prawej stronie | Tekst | strunowy |
Klucze nadzorowane (Zobacz dokument
as_supervised):NoneRysunek ( tfds.show_examples ): Nieobsługiwany.
wordnet/WN18 (domyślna konfiguracja)
Opis konfiguracji: DANE TENSOROWE WORDNET składają się z kolekcji trójek (synset, typ relacji, trójka) wyodrębnionych z programu WordNet 3.0 ( http://wordnet.princeton.edu ). Ten zestaw danych można postrzegać jako 3-trybowy tensor przedstawiający trójskładnikowe relacje między synsetami. Zobacz https://everest.hds.utc.fr/doku.php?id=en:transe .
Rozmiar zestawu danych :
11.07 MiBPodziały :
| Rozdzielać | Przykłady |
|---|---|
'test' | 5000 |
'train' | 141442 |
'validation' | 5000 |
- Przykłady ( tfds.as_dataframe ):
- Cytat :
@article{10.1145/219717.219748,
author = {Miller, George A.},
title = {WordNet: A Lexical Database for English},
year = {1995},
issue_date = {Nov. 1995},
publisher = {Association for Computing Machinery},
address = {New York, NY, USA},
volume = {38},
number = {11},
issn = {0001-0782},
url = {https://doi.org/10.1145/219717.219748},
doi = {10.1145/219717.219748},
journal = {Commun. ACM},
month = nov,
pages = {39--41},
numpages = {3}
}
@incollection{NIPS2013_5071,
title = {Translating Embeddings for Modeling Multi-relational Data},
author = {Bordes, Antoine and Usunier, Nicolas and Garcia-Duran, Alberto and Weston, Jason and Yakhnenko, Oksana},
booktitle = {Advances in Neural Information Processing Systems 26},
editor = {C. J. C. Burges and L. Bottou and M. Welling and Z. Ghahramani and K. Q. Weinberger},
pages = {2787--2795},
year = {2013},
publisher = {Curran Associates, Inc.},
url = {http://papers.nips.cc/paper/5071-translating-embeddings-for-modeling-multi-relational-data.pdf}
}
wordnet/WN18RR
Opis konfiguracji: To samo co WN18, ale naprawia przecieki testowe poprzez odwrotne relacje. Zobacz https://github.com/TimDettmers/ConvE
Rozmiar zestawu danych :
7.02 MiBPodziały :
| Rozdzielać | Przykłady |
|---|---|
'test' | 3134 |
'train' | 86835 |
'validation' | 3034 |
- Przykłady ( tfds.as_dataframe ):
- Cytat :
@article{10.1145/219717.219748,
author = {Miller, George A.},
title = {WordNet: A Lexical Database for English},
year = {1995},
issue_date = {Nov. 1995},
publisher = {Association for Computing Machinery},
address = {New York, NY, USA},
volume = {38},
number = {11},
issn = {0001-0782},
url = {https://doi.org/10.1145/219717.219748},
doi = {10.1145/219717.219748},
journal = {Commun. ACM},
month = nov,
pages = {39--41},
numpages = {3}
}
@inproceedings{dettmers2018conve,
Author = {Dettmers, Tim and Pasquale, Minervini and Pontus, Stenetorp and Riedel, Sebastian},
Booktitle = {Proceedings of the 32th AAAI Conference on Artificial Intelligence},
Title = {Convolutional 2D Knowledge Graph Embeddings},
Url = {https://arxiv.org/abs/1707.01476},
Year = {2018},
pages = {1811--1818},
Month = {February}
}